深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1461	2025-06-07	Artificial intelligence for streamflow prediction in river basins: a use case in Mar Menor 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04524-0 PMID:40461712	研究论文	利用机器学习和深度学习技术预测西班牙穆尔西亚地区Mar Menor流域的河流流量	采用先进的数据增强技术平衡低流量和高流量时期，比较了Random Forest和LSTM在不同时间尺度预测中的表现	研究主要针对Mar Menor流域，结果可能不适用于其他地区	提高脆弱地区河流流量预测的准确性，以支持水资源管理和洪水预报	Mar Menor流域的Albujón水道，重点关注"La Puebla"和"Desembocadura"两个关键点	机器学习	NA	机器学习和深度学习	Random Forest, LSTM	河流流量、降雨量和地下水位数据	来自流量监测站、雨量站和测压计的数据
1462	2025-06-07	DeepGFT: identifying spatial domains in spatial transcriptomics of complex and 3D tissue using deep learning and graph Fourier transform 2025-Jun-03, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03631-5 PMID:40462157	research paper	提出了一种名为DeepGFT的新方法，通过结合深度学习和图傅里叶变换来识别空间转录组学中的空间域	DeepGFT方法首次同时建模点间和基因间的关系，用于空间域识别，并在多种复杂组织和3D组织中表现出优越性	未明确提及方法的计算复杂度或对大规模数据集的适用性	开发一种更准确的空间转录组学空间域识别方法	人类乳腺癌组织、人类淋巴结组织和3D果蝇数据	digital pathology	breast cancer	spatially resolved transcriptomics (SRT)	deep learning, graph Fourier transform	spatial transcriptomics data	人类乳腺癌样本、人类淋巴结样本和3D果蝇数据（具体数量未提及）
1463	2025-06-07	Deep learning-enhanced multi-modal modeling for electrosorption performance prediction via Nyquist plots 2025-Jun-03, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.122069 PMID:40473194	研究论文	本研究开发了一种基于深度学习的多模态模型，用于预测Cr(VI)的去除效率和Cr(III)的再生效率，结合了Nyquist图电化学表征和关键工艺参数	首次将Nyquist图电化学表征与关键工艺参数结合，开发了多模态模型，并证明了CNN在提高预测精度中的必要性	初始ANN模型在没有退火温度作为变量时表现不佳，R值较低且误差较大	开发高精度的电吸附性能预测模型，优化流动式氧化还原辅助电吸附系统的工艺条件	Cr(VI)的去除效率和Cr(III)的再生效率	机器学习	NA	电化学表征（Nyquist图）	ANN, CNN	电化学数据, 工艺参数	NA
1464	2025-06-07	Robust Uncertainty-Informed Glaucoma Classification Under Data Shift 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.3 PMID:40455037	research paper	提出一种基于深度证据不确定性量化的统一自我审查框架，用于青光眼分类，以应对数据分布变化带来的挑战	引入数据集级和图像级的自我审查机制，通过模型不确定性检测分布外样本，提升模型在分布外数据上的性能	未明确说明模型在临床环境中的实时性能表现	解决标准深度学习模型在分布外数据上性能下降的问题，提高青光眼分类的泛化能力	青光眼分类	medical imaging	glaucoma	deep evidential uncertainty quantification	DL	image	14个分布外数据集和4个外部青光眼数据集
1465	2025-06-07	Current AI technologies in cancer diagnostics and treatment 2025-Jun-02, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-025-02369-9 PMID:40457408	综述	本文系统回顾了当前人工智能技术在癌症诊断和治疗中的应用及其潜力	强调了深度学习在早期癌症检测中的日益重要作用，以及AI在基因组学、生物标志物发现、液体活检和非侵入性诊断中的应用	讨论了数据隐私、可解释性和监管问题等重要挑战	评估人工智能技术在癌症诊断和治疗中的当前状态和未来潜力	癌症诊断和治疗中的人工智能技术	数字病理学	癌症	深度学习	NA	图像、基因组数据	NA
1466	2025-06-07	Comparison of AI-Automated and Manual Subfoveal Choroidal Thickness Measurements in an Elderly Population Using Optical Coherence Tomography 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.9 PMID:40459523	research paper	比较AI自动化和手动测量老年人群黄斑下脉络膜厚度的差异，并探讨影响测量差异的因素	使用基于TransUNet的深度学习模型自动测量SFCT，并在大规模老年人群中验证其与手动测量的一致性	存在系统性偏差，手动测量值普遍低于自动测量值	评估自动和手动测量SFCT的一致性和相关性，并研究影响测量差异的因素	老年人群的黄斑下脉络膜厚度（SFCT）	digital pathology	geriatric disease	enhanced depth imaging spectral-domain optical coherence tomography	TransUNet	image	2896名参与者
1467	2025-06-07	Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3433594 PMID:39052464	research paper	该研究开发了一种基于深度学习的自动化方法CL-Net，用于在孕妇经阴道超声图像中测量宫颈长度，以减少人为误差并提高工作效率	CL-Net结合专家解剖知识识别宫颈，解决了超声图像中宫颈管信号低、对比度差的技术难题	研究未提及模型在不同设备或医疗机构间的泛化能力测试	开发可靠的自动化宫颈长度测量方法以评估早产风险	孕妇经阴道超声图像中的宫颈结构	digital pathology	obstetric disease	transvaginal ultrasound	DL network (CL-Net)	ultrasound images	未明确说明样本数量（但包含直型和弯曲型宫颈的测量数据）
1468	2025-06-07	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	research paper	本研究探讨了使用GAN反转生成的合成图像进行数据增强，以解决结肠镜检查病变分类中标注数据有限的问题	通过GAN反转生成合成结肠镜图像，并利用语义丰富且解耦的潜在空间进行图像模态转换和病变形状插值，提高了下游息肉分类性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	提高结肠镜检查病变分类的深度学习模型性能	结肠镜检查图像中的息肉	digital pathology	colon cancer	GAN inversion, style transfer, image interpolation	GAN	image	NA
1469	2025-06-07	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	提出一种无监督异常提取网络（UNAEN），用于减少磁共振成像（MRI）中的运动伪影	提出了一种无需配对MA-corrupted和MA-free图像的无监督方法，通过显式提取异常来减少运动伪影	依赖于公开可用的MRI数据集，未提及在特定临床环境中的验证	减少MRI中的运动伪影，提高诊断准确性和图像引导治疗的效果	MRI图像	医学影像处理	NA	深度学习	UNAEN（包含artifact extractor和reconstructor）	MRI图像	多种公开可用的MRI数据集（未提及具体数量）
1470	2025-06-07	Transformer-Integrated Hybrid Convolutional Neural Network for Dose Prediction in Nasopharyngeal Carcinoma Radiotherapy 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01296-3 PMID:39424665	research paper	提出了一种结合CNN和Transformer的混合剂量预测模型，用于鼻咽癌放射治疗中的剂量预测	设计了具有通道注意力机制的分层密集循环编码器和渐进式解码器，以及对象驱动的跳跃连接，以增强特征传递能力和保留纹理信息	实验仅在内部数据集上进行，未涉及多中心验证	提高鼻咽癌放射治疗中剂量预测的准确性和效率	鼻咽癌放射治疗中的剂量分布	digital pathology	nasopharyngeal carcinoma	deep learning	CNN和Transformer混合模型	image	内部数据集（具体数量未提及）
1471	2025-06-07	The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11261-x PMID:39658683	系统综述	本文系统评估了深度学习模型在脊柱关节病（SpA）影像诊断中的应用及其准确性	深度学习模型（特别是CNN和U-Net）在SpA影像诊断中展现出高准确性，甚至超越传统方法和专家放射科医生	部分研究样本量较小，需更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力	评估深度学习模型在脊柱关节病影像诊断中的效果	脊柱关节病（SpA）的MRI、CT和X光影像	数字病理学	脊柱关节病	深度学习	CNN, U-Net	影像	21项研究（涉及MRI、CT和X光模态）
1472	2025-06-07	GENERATIVE DEEP LEARNING APPROACH TO PREDICT POSTTREATMENT OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AGE-RELATED MACULAR DEGENERATION AFTER 12 MONTHS 2025-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004409 PMID:39841905	research paper	本研究验证了一种生成式深度学习模型，用于预测新生血管性年龄相关性黄斑变性患者治疗12个月后的光学相干断层扫描（OCT）图像，并评估了结合临床数据对预测性能的影响	采用条件生成对抗网络（conditional GAN）作为基线模型，结合治疗前后的OCT图像及其他临床参数，显著提升了12个月后OCT图像的预测准确性	研究样本量相对有限（533只眼），且仅针对新生血管性年龄相关性黄斑变性患者，可能限制模型的泛化能力	预测新生血管性年龄相关性黄斑变性患者长期解剖学反应，以支持个性化治疗管理	513名初治新生血管性年龄相关性黄斑变性患者的533只眼	digital pathology	geriatric disease	光学相干断层扫描（OCT）、荧光素血管造影、吲哚菁绿血管造影	conditional GAN	image	533只眼（来自513名患者）
1473	2025-06-07	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	research paper	提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割	结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核CNN进行局部特征提取，采用双分支解码器结构	未提及具体计算资源消耗或模型推理速度数据	提高3D全心脏分割的准确性	心脏结构的3D分割	digital pathology	cardiovascular disease	深度学习	Transformer-CNN混合模型	3D医学影像（CT和MRI）	MM-WHS 2017挑战数据集
1474	2025-06-07	Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530922 PMID:40031188	research paper	该研究提出了一种深度学习框架，用于解码不同针灸操作对脑电图活动的影响，并建立了针灸-脑接口	结合对比表示学习和领域适应策略，推断针灸操作的行为流形，并通过无监督流形学习估计针灸诱发的EEG信号的潜在神经流形	研究中仅针对足三里穴位的针灸操作进行了分析，未涵盖其他穴位	揭示针灸刺激与动态脑反应之间的相关性，并开发一种解码针灸操作的框架	针灸操作对脑电图活动的影响	machine learning	neurological disorders	electroencephalographic activity, video recordings	neural networks	EEG signals, video	stimulated subjects
1475	2025-06-07	Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535541 PMID:40031340	research paper	提出了一种双分支弱监督学习框架，用于优化甲状腺超声图像分割网络，通过空间排列和分层预测一致性校准语义特征	通过同时考虑目标位置和目标与背景语义特征分布的合理性，提出了一种新的弱监督分割策略	对边界框掩码的依赖可能限制了模型在更复杂场景下的表现	优化甲状腺超声图像的分割精度，减少标注时间	甲状腺超声图像中的甲状腺和结节	digital pathology	thyroid disease	weakly-supervised learning	dual-branch network	image	三个甲状腺数据集
1476	2025-06-07	TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536476 PMID:40031370	research paper	提出了一种名为TriCvT-DTI的新方法，通过结合分子图像、化学序列特征和药物图表示来预测药物-靶标相互作用	结合了多模态药物表示和双向多头注意力机制，使用卷积视觉变换器(CvTs)从药物图像中提取结构和空间特征	未明确提及具体局限性	改进药物-靶标相互作用预测的效率和准确性	药物-靶标相互作用	machine learning	NA	Convolutional Vision Transformers (CvTs), 双向多头注意力机制	TriCvT-DTI	分子图像、化学序列特征、图表示	三个数据集：Human、C. elegans和Davis
1477	2025-06-07	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元(IMU)，用于监测不同地形下的跌倒风险，并采用基于改进CNNLSTM模型的双任务学习(DTL)架构来识别跌倒风险水平和地形	提出了结合地形感知传感器与IMU的多传感器系统，并采用改进的CNNLSTM模型进行双任务学习，有效识别跌倒风险与地形	实验样本量较小，仅包括10名年轻受试者和10名老年受试者，且实验环境局限于实验室和医院	开发一种可靠的跌倒风险监测系统，用于不同地形下的跌倒风险预测	年轻和老年受试者在平坦和台阶地形上的活动	机器学习	老年疾病	双任务学习(DTL), 惯性测量单元(IMU)	改进的CNNLSTM	传感器信号	10名年轻受试者和10名老年受试者
1478	2025-06-07	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	research paper	该研究提出了一种名为BioFocal-DDI的框架，用于优化药物-药物相互作用（DDI）的提取，通过结合BioGPT、BioBERT、BiLSTM和ReGCN等技术	引入了BioGPT进行数据增强，并结合Focal Loss-based Attention机制解决类别不平衡问题	未提及具体局限性	优化药物-药物相互作用（DDI）的提取，以提高治疗效果并减少不良反应	药物-药物相互作用（DDI）	自然语言处理	NA	BioGPT, BioBERT, BiLSTM, ReGCN, Focal Loss-based Attention	BioGPT, BioBERT, BiLSTM, ReGCN	text	DDI Extraction 2013数据集
1479	2025-06-07	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	研究论文	本研究基于头皮脑电图和Transformer技术，设计了一种针灸状态检测方法，用于区分针灸过程中的不同状态	提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够端到端分类足三里穴位针灸状态下的脑电图局部和全局特征	实验样本仅包含28名健康参与者，可能限制结果的普遍性	开发自动识别针灸状态的方法，为针灸程序标准化提供新方案	针灸状态(捻针和留针)对脑电图的影响	数字病理	NA	脑电图(EEG)	CNN, Transformer	脑电图信号	28名健康参与者
1480	2025-06-07	Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	research paper	本文构建了一个真实的突变诱导疾病数据集，并提出了一种结合胶囊和图拓扑网络与多头注意力机制（CGM）的深度学习模型来预测突变与疾病的关联	提出了CGM模型，能够准确预测蛋白质突变与疾病的关联，并通过模型验证了蛋白质突变导致的结构改变可能是重要的致病因素	受限于突变蛋白质数据集的规模，模型在基准和不平衡数据集上进行了实验	预测突变与疾病的关联，进一步理解生物分子途径和疾病机制	蛋白质突变与疾病的关联	machine learning	NA	deep learning	Capsule and Graph topology networks with Multi-head attention (CGM)	protein interaction data	NA